Quality by Design（QbD）は、規制要件を満たすためのリスクベースの柔軟なアプローチとして、10年以上にわたって国際的な規制当局によって強調されてきました。 QbDがコンプライアンスの詳細な証拠を提供するのは事実です。ただし、このアプローチから得られるのは価値のごく一部にすぎません。 JMPは、優れた実験計画法（DOE）とモデリングツールを提供します。これには、医薬品および医療機器製品のライフサイクル全体にわたって価値を提供するためのQbDプラクティスが含まれます。
製品開発チームは、でDOEカスタムデザイナーを使用しましたJMP高せん断造粒プロセスの4つのプロセス入力用の12ラン応答曲面計画を開発します。 造粒物の物理的特性をテストし、各造粒物のサンプルをスラグに圧縮して、コアの崩壊時間をテストできるようにしました。 The造粒プロセス実験結果Simulation.jmp実験のデータテーブルを以下の表1に示します。これには、次の方法でアクセスできます。 https://support.sas.com/lievense 。
テーブル1 -結果を伴う造粒実験
私の本、 JMPを使用したデザインによる医薬品の品質には、このブログで詳しく説明されている例を含むいくつかの例が含まれています。 実行が完了すると、データはJMP DOEファイルに直接入力されました。これにより、モデルスクリプトを実行することで高速分析が可能になります。 有意な効果のみを含むようにモデルを縮小すると、図1に示す出力に対して各効果が持つレバレッジの量を推定するための精度が向上します。
形1 -モデル効果の低減
図2に示すPredictionProfilerは、製品開発者が物理的な粒状化を作成してテストするためのリソースを費やすことなく、プロセス設計スペースを完全に探索するための素晴らしいツールです。
形2 -縮小造粒モデルのプロファイリング
モデルプロファイラーを使用する前に、シミュレーター分析オプションが選択され、出力の予想される仕様制限が設定されます（図3）。
形3 -シミュレータ設定
変動の一般的な形状と範囲に関する知識は、モデルの推定にロバスト性を追加します。 対象分野の専門家（SME）は、設計スペース内のプロセス設定に期待されるさまざまな実際の結果を提供します。 SMEは、インプットの変動は設定値の上下で等しく変動する傾向があることに留意しました。したがって、各入力は正規分布に従って変化すると想定するのが妥当です。 各入力の標準偏差は、報告された値の範囲を6で割ることによって推定されます。 表2は、プロセス変数の調査結果です。
テーブル2 -プロセス入力の履歴変動
サンプルデータには、記載されているシミュレーション設定でモデル分析を実行するためのスクリプトが含まれています。 JMPは、会議中に迅速かつ効率的に使用して、バッチの運用人口の予測を示すことができます。 運用チームは、毎分9ガロンの噴霧速度、30％の流体の追加、45 RPMのインペラー速度、および11分の湿潤質量時間で造粒プロセスを実行することを好みます。 図4には、[シミュレーション]ボタンを押した場合の推奨設定が含まれており、5,000のモデルシミュレーション実行が作成されます。
形4 -計画されたプロセス設定と結果
JMPは、予想される造粒結果を示しています。これにより、出力仕様の少なくとも1つを満たさない実行の76％が得られます。 粒度分布50 thパーセンタイルサイズ[PSDd（0.5）]は、サイズが大きすぎる粒子が原因でほぼすべての欠陥が発生する出力です。 操作の優先設定はまったく機能しません。
優先処理入力値の新しいセットが使用されます。 プロファイラーは、図5に示すように、新しい設定を反映し、5,000回の実行の新しいセットをシミュレートするように調整されます。
形5 -最適化された設定と結果
黒の値で示されている出力の95％信頼区間は仕様の範囲内であるため、欠陥の期待値は0です。 シミュレーターを備えた予測プロファイラーは、製品およびプロセス開発に多大な価値をもたらします。 これらの付加価値QbD技術を使用して開発された製品は、使用されるリソースを50％削減し、最大70％早く市場に投入される傾向があります。 プロファイラーシミュレーションを使用して将来の運用パフォーマンスを予測することは、可能な限り最も堅牢なプロセスを示しています。
